我知道Python列表有一个方法可以返回某个对象的第一个索引:
>>> xs = [1, 2, 3]
>>> xs.index(2)
1
NumPy数组也有类似的东西吗?
当前回答
如果你想用它作为其他东西的索引，如果数组是可广播的，你可以使用布尔索引;不需要显式索引。要做到这一点，绝对最简单的方法是基于真值进行索引。
other_array[first_array == item]
任何布尔运算都可以:
a = numpy.arange(100)
other_array[first_array > 50]
非零方法也接受布尔值:
index = numpy.nonzero(first_array == item)[0][0]
两个0分别表示索引元组(假设first_array是1D)和索引数组中的第一项。
其他回答
是的，给定一个数组，数组和一个值，要搜索的项，你可以使用np。的地方:
itemindex = numpy.where(array == item)
结果是一个元组，首先是所有的行索引，然后是所有的列索引。
例如，如果一个数组是二维的，它包含你的项目在两个位置，那么
array[itemindex[0][0]][itemindex[1][0]]
将等于你的项目，因此将是:
array[itemindex[0][1]][itemindex[1][1]]
numpy_indexed包(免责声明，我是它的作者)包含一个向量化的等效list。ndarray的索引;那就是:
sequence_of_arrays = [[0, 1], [1, 2], [-5, 0]]
arrays_to_query = [[-5, 0], [1, 0]]
import numpy_indexed as npi
idx = npi.indices(sequence_of_arrays, arrays_to_query, missing=-1)
print(idx) # [2, -1]
这个解决方案具有向量化的性能，可以推广到ndarray，并且有各种处理缺失值的方法。
如果你想用它作为其他东西的索引，如果数组是可广播的，你可以使用布尔索引;不需要显式索引。要做到这一点，绝对最简单的方法是基于真值进行索引。
other_array[first_array == item]
任何布尔运算都可以:
a = numpy.arange(100)
other_array[first_array > 50]
非零方法也接受布尔值:
index = numpy.nonzero(first_array == item)[0][0]
两个0分别表示索引元组(假设first_array是1D)和索引数组中的第一项。
另一个之前没有提到的选项是bisect模块，它也适用于列表，但需要一个预先排序的列表/数组:
import bisect
import numpy as np
z = np.array([104,113,120,122,126,138])
bisect.bisect_left(z, 122)
收益率
3
Bisect还会在您要查找的数字在数组中不存在时返回一个结果，以便将该数字插入正确的位置。
要在任何标准上建立索引，你可以这样做:
In [1]: from numpy import *
In [2]: x = arange(125).reshape((5,5,5))
In [3]: y = indices(x.shape)
In [4]: locs = y[:,x >= 120] # put whatever you want in place of x >= 120
In [5]: pts = hsplit(locs, len(locs[0]))
In [6]: for pt in pts:
.....: print(', '.join(str(p[0]) for p in pt))
4, 4, 0
4, 4, 1
4, 4, 2
4, 4, 3
4, 4, 4
这里有一个快速函数，它可以做list.index()所做的事情，只是如果没有找到它，它不会引发异常。注意——这在大型数组上可能非常慢。如果你想把它作为一个方法，你也可以把它拼凑到数组上。
def ndindex(ndarray, item):
if len(ndarray.shape) == 1:
try:
return [ndarray.tolist().index(item)]
except:
pass
else:
for i, subarray in enumerate(ndarray):
try:
return [i] + ndindex(subarray, item)
except:
pass
In [1]: ndindex(x, 103)
Out[1]: [4, 0, 3]
